El volumen de datos que hay que manejar se ha disparado hasta niveles inimaginables en la última década y, al mismo tiempo, el precio del almacenamiento de datos se ha reducido sistemáticamente. Las empresas privadas y las instituciones de investigación capturan terabytes de datos sobre las interacciones de sus usuarios, los negocios, las redes sociales y también los sensores de dispositivos como los teléfonos móviles y los automóviles. El reto de esta era es dar sentido a este mar de datos.
Aquí es donde entra en escena la analítica de big data. La analítica de grandes datos implica en gran medida la recopilación de datos de diferentes fuentes, la combinación de los mismos de manera que estén disponibles para ser consumidos por los analistas y, finalmente, ofrecer productos de datos útiles para el negocio de la organización. El proceso de convertir grandes cantidades de datos sin estructurar, recuperados de diferentes fuentes, en un producto de datos útil para las organizaciones constituye el núcleo de Big Data Analytics. En este tutorial, discutiremos los conceptos y métodos más fundamentales de Big Data Analytics.
Cubrimos temas como
Ciclo de vida de los datos
Metodología
Cuáles son las principales partes interesadas
Analista de datos
Científico de datos
Proyecto de Big Data Analytics
Definición del problema Definición
Recogida de datos
Limpieza de datos
Visualización de datos
Exploración de datos
Resumir
Métodos de Big Data Analytics
Introducción a R
Gráficos &; Gráficos
Herramientas de datos
Métodos estadísticos
Métodos avanzados
Aprendizaje automático para el análisis de datos
Clasificador Waive Bayes
K- Means Clustering
Reglas de asociación
Árboles de decisión
Regresión logística
Series temporales
Análisis de texto
Aprendizaje en línea